華為「苦日子說」打破美好想像，工研院：5G慢慢爆是好事|數位時代 BusinessNext

5G不會百花齊放

為何說5G不會百花齊放，而是一個一個爆彈？楊瑞臨說，4G在導入2年內覆蓋率就已經超過9成，但5G滲透率不會一開始就全覆蓋，預估到2025年只有20%。「因為大家都還在想應用，找商業模式是什麼？」他說。

他直言，現在各地都有實驗應用上路，比方奧運服務可期待，也有業者以5G連線，讓柏林跟倫敦兩地的演奏與演唱家同步合作，無縫展現完美合奏。他坦言5G今年起會進入各新場域，但不會全面性，只會在某些地點或城市先行，還需要跟4G搭配，「5G會慢慢爆，而不會大爆。」「慢慢爆是好事。」楊瑞臨說。關鍵應用會先行，如5G智慧城市的應用以「Massive Connection」（大連結）為主，搭配當地WiFi服務。

談到5G應用上路，無人自駕車被視為5G殺手級應用。「過去3GPP跟IEEE井水不犯河水，但5G以後兩陣營會既競爭又合作。」楊瑞臨說，這部分最初可望是點到點的公共服務先行，目前兩派陣營自駕車開發商，一端認為邊緣運算需要放在汽車上，一端則看好5G低延遲效應，讓自駕車可以回送資訊上雲決策，是一種混合的型態。

5G應用不只有在手機，應用場景包括智慧城市、製造、醫療、安控及交通、電表，5G市場興起是很多元的，它不是百花齊放，而是一步一步發展。

楊瑞臨說，目前5G競爭激烈，中國的代表是華為，美國則是高通，但兩者的產品不同。談到任正非近期高調頻在媒體曝光，楊瑞臨說由於5G發展緩慢，華為人這麼多，能否等待是實話，他也認為「頻放話不知道是不是希望美國警覺性鬆一點？」

談到電信業者採購5G設備，楊瑞臨也說將不會集中一家公司。舉例來說，中國移動就分中國北中南區，分別向華為、易利信、諾基亞採購，而遠傳也傳出向易利信跟諾基亞採購，不僅好議價也可以做平衡。

越苦華為越要拼成長

談到5G細火慢燉，「5G在台灣的發展，我認為還有很長的時間要走，今年不可會落地，明年難度也滿大的」，華為技術台灣總代理訊葳技術總經理雍海表示。

而對任正非發信給員工說要有「過苦日子」的準備，雍海談到此事，開玩笑地表示，任正非的領導風格就是越是艱苦的環境，越要強調成長，當發展好的時候，才會強調苦這件事。

「2019年對於整個市場而言，肯定是一場危機，整個市場都在下滑，而且還是在加速下滑，大家都準備要過冬，系統商還得為5G做準備」，即便如此，雍海表示，華為在2018年手機整體出貨量為2億台，預計2019年將達2.5至2.6億台，雖然成長趨緩，但對於華為自身來講，整體還是成長的。

5G尚未爆發，貿易戰衝擊製造業成長率

美中貿易戰未歇，需求影響加上原料價格下滑，台灣製造業產值成長率遭下修，工研院IEKCQM 22日公布整體製造業產值成長率，從原預估2019年成長率3.21%下修至1.58%，增幅腰斬。

「下修主要來自化學工業因原油跌價衝擊，其次是金屬機電業，資訊業跟民生工業反而影響較小。」工研院副組長陳志強說，雖然製造業4大領域都比去年差，但資訊產業2019年預估仍有2.2%成長率，其中僅面板、被動元件、PCB產業仍下滑，電腦手機業務都仍成長。

2018年12月經濟部公布出口產值，結束連續24個月正成長紀錄，轉開始衰退，展望2019年，工研院產科國際所長蘇孟宗指出，企業營利事業所得稅從17%增至20%，隨台商製造回流，建議政府評估給5年投資租稅減免，並協助解決台灣5缺困境，並加速與國際連結，與東南亞各國簽訂投保協定。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。